CMO 如何构建有效的营销分析系统

收集数据、分析数据并根据数据做出明智决策的企业比不这样做的企业发展和发展得更快。 本文解释了如何为您的业务构建分析系统，以及为什么 martech 工具和分析师​​是必不可少的。

什么是分析？ 它是公司评估产生利润的工具。 然而，分析本身并不能直接为企业带来收入。 通过分析，首席营销官 (CMO) 只能获取各种报告，以便得出结论并做出决策。

让我们以我们在 OWOX 的实践为例。 CMO 通常的任务是执行在线广告销售计划。 在这种情况下，分析如何发挥作用？ 分析师可能会提供 Google Analytics 报告、仅来自 Google Ads 的广告费用数据，以及与 CRM 数据不匹配的网站在线交易数据。 因此，计算 ROAS 会很困难。

假设一家公司长期使用分析，已在云存储中收集数据，并配置了自动创建的报告。 这是否解决了公司所有的营销问题？ 并不真地。 毕竟，营销总监不仅对数据感兴趣，而且对能够帮助他们了解有哪些机会来执行下个月或下季度的计划的数据感兴趣。

为了准确执行计划并实现所有目标，营销人员需要分析来识别：

• 增长区域（如何超出计划）
• 风险区（影响计划实施的因素）

“在考虑两个区域之前，我会强调雇佣合适的人来帮助建立该系统。

CMO 不是应该构建系统的人。 CMO应该做更多的战略思考，选择和控制营销方向等。你知道，“更高层次的东西”。

在分析方面，有太多东西对 CMO 来说太技术性了。 因此，合适的员工应该填补这一空白。 CMO 应该使用经过处理和（希望如此？）可视化的数据，然后做出决策。”

Analyticsmania.com 的创始人 Julius Fedorovicius。

我们已经承认，仅靠自动化报告不足以解决营销问题。 需要对数据进行解释才能获得答案，而 Make Everything OK 按钮还没有被发明出来。 （我们正在努力！）因此，营销总监需要做这些事情来保持高生产力：

1. 建立一个显示风险和增长区域的分析系统
2. 聘请处理数据、添加上下文并提供结论的分析师

CMO 正在增加他们的技术预算这一事实表明，营销分析服务不再只是一个昂贵的玩具。 它们是真正的工作工具，可以帮助营销部门执行计划并获得奖金。

“对于较小的公司，可以简化流程，从雇用熟悉谷歌生态系统（GA、GTM、GDS、表格）的人开始就足够了，但理想情况下，团队应该至少由两个人组成。

1. 擅长数据收集的技术人员（我们称他/她为分析工程师）。
2. 数据分析师然后可以清理数据，使用它并进行分析（据我所见，通常分析数据的人对数据收集的技术部分不是很熟练，这就是分析工程师会提供帮助的原因）。

您雇用的人员可以帮助您选择/构建正确的分析堆栈。”

Analyticsmania.com 的创始人 Julius Fedorovicius。

企业可以成功地使用开箱即用的产品或自己的解决方案。 为了避免不必要的金钱和时间支出，公司必须清楚地了解自己需要什么。

在开发自己的解决方案时，您应该注意开发和支持团队以及文档。

如果编写数据收集脚本并负责配置整个系统的专家离职，您需要确保替换他们的员工能够支持这些项目。

如果您想购买现成的解决方案，请先评估您需要处理的数据量。 如果您每天通过在线广告获得 10 笔销售额，则您无需投资强大且昂贵的服务。 对于这么多的工作，使用 Google Analytics 或 Excel 就足够了。

在您的营业额和需求不断增长的同时，对额外指标、自动化和更高数据处理速度的需求也在不断增加。 例如，在 SaaS 业务（有订阅费的 IT 解决方案）中，如果您的年营业额超过 200,000 美元，您就可以开始从自己的数据仓库或机器学习算法的使用中获得真正的价值。

但是，请注意，即使是可以收集、处理、计算、预测和可视化数据的现成服务，也需要针对特定​​业务进行调整。 许多企业都有独特的逻辑和关键规划参数。 因此，导入数据和数据可视化的结构会有所不同。 此外，根据我们的经验，客户不喜欢学习如何在新界面中工作，而是希望他们的数据以一种通用的方式呈现。

总而言之，我们在 OWOX 创建营销分析系统时采用的方法是：

• 企业应该可以完全访问他们的数据
• 数据必须在决策者熟悉的界面中交付

即使在一个利基市场中，企业之间也存在许多特征和差异。 例如，在零售业，电子产品业务在概念上不同于销售衣服或家居用品的业务。 假设购买频率不同，与新客户和现有客户合作的重点也不同。

另一个例子是，许多公司都在强调移动应用程序和客户端分析的开发。 与基于 Web 应用程序的公司相比，此类公司具有完全不同的营销模式、计划绩效方法和指标。 这就是为什么很难合并和处理数据。

因此，企业能够直接访问其营销和产品数据，而不是依赖特定服务及其可视化系统的功能，这一点很重要。

公司正在为公司目前发展的需求和痛苦寻找分析师。 如果有很多痛苦（而且总是有），那么寻找分析师可能需要几个月甚至几年的时间。 归根结底，聘请的专家很可能无法处理所有任务。

区分和系统化分析师的职责范围很重要。 如今，许多公司都在寻找能够设置指标、合并数据、基于这些数据建立假设、提供建议、确保转化率立即增长并确保广告活动开始获得回报的分析师。 他们是分析师； 他们可以应付！

在现实生活中，它不会那样工作。 您的分析师要么没有足够的时间，要么没有足够的技能。 例如：

• 专家可以是出色的技术人员（设置数据收集、编写请求和准备数据以进行分析），但缺乏如何有意义地评估所获得数据的知识。
• 一家公司可能很大，一切都可能被组织起来，以便只有一个分析师可以提供数据。 整天，该分析师基本上将成为数据的语音界面。

您应该做的是通过衡量数据和增长点来确定哪些责任分析领域可以得到加强。 例如，在零售业务中，这是营销、产品和客户体验。

如果专家忙于准备数据和报告，则值得将此技术分析功能分配给一个单独的部门或将其转移给合作伙伴。

当分析是一种工作功能并且不受一位专家的能力限制时，它对公司来说更有利可图。 否则，公司将面临铁的天花板。

例如，假设一位分析师在学习并开始对 R 语言感兴趣后突然决定放弃某些第三方解决方案并自己重新创建它们。 他们的想法是，企业将停止为外部解决方案多付钱。 但事实上，分析师是在发展自己的兴趣，而不是参与他们的直接任务。

作为回报，如果分析师退出，公司将获得一个没有支持的不稳定解决方案。 好处是值得怀疑的。 任何业务都不应该局限于分析师可以做的事情。

另一件事是当一家公司成立一个成熟的内部分析和数据部门来支持不同部门的增长目标时。 在这种情况下，公司可以确定数据质量和评估营销、产品和其他部门发展的资源。

首席数据官 (CDO) 或分析主管确定应首先开发和支持哪些基于数据的解决方案。

例如，让我们考虑一个客户的真实案例：一家银行根据收集到的有关客户兴趣和行为的信息自动选择客户经理。 此外，银行开始考虑将该经理转换为关闭具有相似客户资料的交易。

在为公司开发解决方案时，分析师获得以下问题的答案很重要：

• 分析客户的战略目标是什么？
• 为了实现战略目标，将做出哪些决策以及分配哪些职责？
• 客户需要回答哪些问题才能做出决定？
• 哪些图表、报告和建议可以帮助回答问题？
• 解决方案中应该使用哪些指标？

为分析师制定任务很重要，以免错过重要细节，从而为客户提供有效且有用的解决方案。

让我们总结一下。 为了让数据为业务服务，您的分析师应该：

1. 了解哪些客户目标和解决方案真正取决于数据
2. 考虑这些决定影响了多少利润
3. 定期监测数据质量并及时报告偏离标准的情况

当然，增加自己使用数据而不需要分析师团队持续帮助的员工比例符合 CDO 的利益。

“我认为营销中的分析应该被视为已经有经验/强壮的运动员的补充。它们可以让他/她更快/更强壮/等等。如果你已经做得很好，那么分析可以帮助你改善这一点。

说到更具体的例子（关于前面提到的两个区域），这里有一些。

生长区：

• 寻找能带来 80% 收入的 20% 的产品。 检查他们的流量来源、人口统计等，并尝试确定哪些细分市场比其他细分市场运行得更好。 这可能有助于您确定增加预算的机会（例如调整您的付费广告）。

风险区：

• 跟踪错误（和其他负面行为、结帐错误、注册错误等）。 这些是客户/客户的主要斗争。 通过识别它们并进行修复，您可以减少摩擦，从而增加转化量。”

Analyticsmania.com 的创始人 Julius Fedorovicius。

一个强大的分析师可能需要六个月的时间才能填补空缺。 那是很长一段时间。 合作伙伴是一个很好的解决方案，可以立即开始，而不是等待很长时间才能获得价值。 在两种情况下，与合作伙伴合作确实有助于在公司中开发分析。

1. 合作伙伴的专业知识比公司目前拥有的要强得多。 例如，假设一家企业已经想要处理数据或至少开始收集数据，而公司中没有分析师，或者他们专注于其他任务。 在这种情况下，公司应该寻找一个已经在利基市场处理过类似案例的合作伙伴。
2. 合伙人的团队被雇用来完成某项职能。 例如，它可能正在实施分析、提供 Google Tag Manager 支持或营销报告。 当公司需要一个大型且合格的团队来执行特定任务并且内部员工在专注于数据分析和解释时更有价值时，这种方法很有效。

重要的！ 无论采用何种方法，都值得与决策透明的合作伙伴建立关系。 换句话说，您的合作伙伴必须了解您公司的战略目标和目标以及您的分析要求，才能主动开展工作。

您的战略目标、时间框架和预算是什么？ 例如，在一年一度的 Go Analytics！ 会议上，人们经常谈论如何使用价值数十万美元的付费分析产品。 但也有发言者表示，每月只需 130 美元即可构建分析。 这两种情况都是真实的。

积极使用 Google Marketing Platform 产品并将广告数据与销售数据相结合的大公司使用 Google Analytics 360。对于其他数量较少的公司，使用免费的 Google Analytics 功能就足够了。

简而言之，如果您的年收入在 200,000 美元到 100 万美元之间，那么是时候在您的数据库中收集数据了，但现在投入精力使用机器学习算法还为时过早。 您还没有足够的客户信息。

专注于您的业务的分析功能和盈利能力。 首先，分析应该有助于回答我的风险在哪里？ 我的增长区在哪里？ 在实施您的计划时。 如果它不能回答这些问题，那么它只会占用您的时间和预算。

“分析是连接过去、现在和未来的东西。我们分析过去创建和收集的数据。现在，我们试图预测未来会发生什么。最后，我们试图影响未来通过以新的方式重新分配我们的努力。”

Mikko Piippo，数字分析和优化顾问，霍普金斯大学的联合创始人和合伙人。

• 从定义业务的发展水平开始构建分析。
• 无需等待大量数据或寻找超级分析师六个月。 首先联系在您所在地区具有构建营销分析模型经验的合作伙伴。
• 选择合适的模型：为您的业务修改的现成产品或为您从头开始开发的系统。
• 考虑聘请一位精通您的业务背景的分析师，即使他们没有最先进的技能。 他们将能够从一开始就抓住基础设施，并进一步扩展和改进它。